Simulation de Monte-Carlo avec données manquantes

La simulation de Monte-Carlo avec données manquantes combine la simulation stochastique — tirage de valeurs aléatoires à partir de distributions de probabilité — avec des stratégies de gestion des données manquantes fondées sur des principes, telles que l'imputation multiple. Au lieu de supprimer les enregistrements incomplets ou de substituer une seule valeur de remplissage, la méthode génère de nombreux jeux de données complets simulés, effectue l'analyse cible sur chacun d'eux et regroupe les résultats pour obtenir des estimations qui reflètent honnêtement à la fois l'incertitude due à l'échantillonnage et l'incertitude due aux données manquantes.